MétaCan
Menu
Retour à la cohorte
Enregistrement W4390771023 · doi:10.53063/synsint.2023.34176

Recent advances in the synthesis of ZnO-based electrochemical sensors

2023· article· en· W4390771023 sur OpenAlexvenueno aff
Asieh Akhoondi, Mashkoor Ahmad, Muhammad Nawaz Sharif, Shahid Aziz, Hadi Davardoost, Qamar Wali, Faiza Jan Iftikhar

Notice bibliographique

RevueSynthesis and Sintering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueGas Sensing Nanomaterials and Sensors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFabricationNanotechnologyMaterials scienceNanocompositeElectrochemistryElectrochemical gas sensorElectrodeComposite numberComposite materialChemistry

Résumé

récupéré en direct d'OpenAlex

Until now, various composites based on zinc oxide (ZnO) have been investigated in electrochemical sensors. The physical and electrochemical properties of ZnO and its structure can improve the selectivity, sensitivity, and adaptability of nanocomposites. Therefore, the focus on the fabrication of cheap ZnO-based electrodes with affordable and easy transportability has increased. In addition, the electrochemical behavior is affected by the structure and morphology of the ZnO-based composite in detecting pollutants such as volatile organic compounds, heavy metals, and toxins. Furthermore, ZnO-based nanostructures are efficient in the fabrication of electrochemical sensors in the food industry, pharmaceutical analysis, and medical diagnostics. In this review, various techniques in the synthesis of ZnO-based electrodes and their effect on the particle size, shape, and morphology of compounds have been collected. Since the performance of chemical sensors has a direct relationship with the structure of the composite used in its electrode, it is necessary to discuss the new production methods, new concepts, strategies, and challenges. Additionally, new gains highlight recent developments and sensing of various analytes in the monitoring systems. These sensors have demonstrated a strong growth acceleration which could lead to the development of recent technologies. At last, an optimistic outlook is provided on the future of ZnO-based sensors and their challenges.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,213
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSynthesis and SinteringMême sujetGas Sensing Nanomaterials and SensorsTravaux en français237 207